論文の概要: Real-time Monitoring and Analysis of Track and Field Athletes Based on Edge Computing and Deep Reinforcement Learning Algorithm

• arxiv url: http://arxiv.org/abs/2411.06720v1
• Date: Mon, 11 Nov 2024 05:12:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-12 14:07:33.129857
• Title: Real-time Monitoring and Analysis of Track and Field Athletes Based on Edge Computing and Deep Reinforcement Learning Algorithm
• Title（参考訳）: エッジコンピューティングと深部強化学習アルゴリズムに基づくトラックとフィールドのリアルタイムモニタリングと解析
• Authors: Xiaowei Tang, Bin Long, Li Zhou,
• Abstract要約: 本研究は,陸上競技選手のリアルタイムモニタリングと分析に焦点を当てた。 エッジコンピューティングとディープラーニングアルゴリズムを統合したIoT最適化システムを提案する。
• 参考スコア（独自算出の注目度）: 3.4836781982613534
• License:
• Abstract: This research focuses on real-time monitoring and analysis of track and field athletes, addressing the limitations of traditional monitoring systems in terms of real-time performance and accuracy. We propose an IoT-optimized system that integrates edge computing and deep learning algorithms. Traditional systems often experience delays and reduced accuracy when handling complex motion data, whereas our method, by incorporating a SAC-optimized deep learning model within the IoT architecture, achieves efficient motion recognition and real-time feedback. Experimental results show that this system significantly outperforms traditional methods in response time, data processing accuracy, and energy efficiency, particularly excelling in complex track and field events. This research not only enhances the precision and efficiency of athlete monitoring but also provides new technical support and application prospects for sports science research.
• Abstract（参考訳）: 本研究は,トラックおよびフィールド選手のリアルタイムモニタリングと分析に焦点をあて,リアルタイム性能と精度の観点から,従来のモニタリングシステムの限界に対処する。 エッジコンピューティングとディープラーニングアルゴリズムを統合したIoT最適化システムを提案する。 従来のシステムは複雑なモーションデータを扱う場合,遅延や精度の低下を経験することが多いが,当社の手法では,IoTアーキテクチャにSAC最適化ディープラーニングモデルを組み込むことで,効率的なモーション認識とリアルタイムフィードバックを実現する。 実験結果から,このシステムは応答時間,データ処理精度,エネルギー効率において,特に複雑なトラックやフィールドイベントにおいて,従来の手法よりも優れていた。 本研究は,アスリートモニタリングの精度と効率を向上するだけでなく,スポーツ科学研究に新たな技術支援と応用の展望を提供する。

関連論文リスト

• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• EITNet: An IoT-Enhanced Framework for Real-Time Basketball Action Recognition [17.068932442773864]
  EITNetは、ディープラーニング、I3D時間オブジェクト抽出、時間解析のためのTimeSformerを組み合わせたフレームワークである。 私たちの貢献には、認識精度を92%向上する堅牢なアーキテクチャの開発が含まれています。 IoTテクノロジの統合は、リアルタイムデータ処理を強化し、プレイヤーのパフォーマンスと戦略に関する適応的な洞察を提供する。
  論文  参考訳（メタデータ） (2024-10-13T18:21:15Z)
• Efficient Human Pose Estimation: Leveraging Advanced Techniques with MediaPipe [5.439359582541082]
  本研究では,MediaPipeフレームワークを用いた人間のポーズ推定の大幅な向上について述べる。 この研究は精度、計算効率、リアルタイム処理能力の改善に焦点を当てている。 この進歩は、拡張現実、スポーツ分析、ヘルスケアに幅広く応用されている。
  論文  参考訳（メタデータ） (2024-06-21T21:00:45Z)
• Accelerating Neural Network Training: A Brief Review [0.5825410941577593]
  本研究では,ディープニューラルネットワーク(DNN)の学習過程を高速化するための革新的なアプローチについて検討する。 この研究は、グラディエント累積(GA)、自動混合精度(AMP)、ピンメモリ(PM)などの高度な手法を利用する。
  論文  参考訳（メタデータ） (2023-12-15T18:43:45Z)
• Random resistive memory-based deep extreme point learning machine for unified visual processing [67.51600474104171]
  ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。 我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
  論文  参考訳（メタデータ） (2023-12-14T09:46:16Z)
• Computation-efficient Deep Learning for Computer Vision: A Survey [121.84121397440337]
  ディープラーニングモデルは、さまざまな視覚的知覚タスクにおいて、人間レベルのパフォーマンスに到達または超えた。 ディープラーニングモデルは通常、重要な計算資源を必要とし、現実のシナリオでは非現実的な電力消費、遅延、または二酸化炭素排出量につながる。 新しい研究の焦点は計算効率のよいディープラーニングであり、推論時の計算コストを最小限に抑えつつ、良好な性能を達成することを目指している。
  論文  参考訳（メタデータ） (2023-08-27T03:55:28Z)
• A Hybrid Approach To Real-Time Multi-Object Tracking [0.0]
  マルチオブジェクト追跡(Multi-Object Tracking、Multi-Target Tracking)は、コンピュータビジョンの重要な領域である。 本稿では,古典光学フローアルゴリズムとディープラーニングアーキテクチャを効果的に組み合わせた,リアルタイムマルチターゲットトラッキングのためのハイブリッド戦略を提案する。
  論文  参考訳（メタデータ） (2023-08-02T16:02:42Z)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)
• Distributed intelligence on the Edge-to-Cloud Continuum: A systematic literature review [62.997667081978825]
  このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。 現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
  論文  参考訳（メタデータ） (2022-04-29T08:06:05Z)
• An Extensible Benchmark Suite for Learning to Simulate Physical Systems [60.249111272844374]
  我々は、統一されたベンチマークと評価プロトコルへの一歩を踏み出すために、一連のベンチマーク問題を導入する。 本稿では,4つの物理系と,広く使用されている古典的時間ベースおよび代表的なデータ駆動手法のコレクションを提案する。
  論文  参考訳（メタデータ） (2021-08-09T17:39:09Z)
• Object-Adaptive LSTM Network for Real-time Visual Tracking with Adversarial Data Augmentation [31.842910084312265]
  本稿では,オブジェクト適応型LSTMネットワークを用いて,映像の逐次的依存関係を効果的に捕捉し,オブジェクトの外観変化を適応的に学習する,新しいリアルタイムビジュアルトラッキング手法を提案する。 4つのビジュアルトラッキングベンチマーク実験により,トラッキング精度と速度の両面から,提案手法の最先端性能を実証した。
  論文  参考訳（メタデータ） (2020-02-07T03:06:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。